风力机SCADA数据预处理及运行状态识别方法研究

发布时间：2017-10-08 00:11

  本文关键词：风力机SCADA数据预处理及运行状态识别方法研究

  更多相关文章： 风力机 SCADA数据 数据预处理 功率波动 评价方法 性能劣化

【摘要】：随着风电行业的飞速发展,单机容量不断增加,单机成本也越来越高,风力机一旦发生故障,将加大风机制造商和风电场运营商的维护成本,同时各类风力机事故的出现也对风电产业健康发展带来严重的负面影响。目前各国学者基于风力机SCADA数据挖掘对风力机的运行状态监测和故障诊断方面开展了大量的工作,但由于SCADA数据中包含了大量的随机信息不便处理,现有的研究也主要集中在理论与方法的探索阶段。本文以某2MW直驱式风力机为对象,基于风力机原始SCADA数据,建立了数据预处理方法并构建了其评价策略,分析了风速的随机性对风力机输出功率的影响,继而构建了风力机性能劣化模型,为风力机设计和控制提供参考。所开展的主要研究工作如下:为了从SCADA数据中获得更明确的物理信息,更好地判断风电机组运行状态,分别将常规平均数法、最小二乘法和本文提出的非参数法(核密度—均值法)用于风电场SCADA数据预处理。建立了风电场SCADA数据预处理算法三个评价指标,包括1.物理特性一致性;2.采样时间变化稳健性;3.采样频率变化稳健性。设计了评价指标定量计算公式,用以评价各种预处理算法效果。基于核密度—均值法对全工况风电机组SCADA数据进行了预处理,分析了风电机组运行特性,包括风速与输出功率、轮毂转速的关系以及风能利用系数。以“风—功率”关系模型为基础,充分考虑风速变化和风向变化对功率波动的影响,定义了风速波动系数、风向波动系数和综合影响因子,建立了风速波动—功率波动一维评价模型、风向波动—功率波动一维评价模型,以及风速、风向波动—功率波动二维评价模型。将风力机划分为风能捕获系数恒定区、过渡区和功率恒定区三个阶段,分析了各阶段功率波动的特征。提出了风力机性能劣化的评价指标并对其进行了机理分析,建立了风能利用系数指标、功率波动特性指标、机舱振动特性指标、温度波动特性指标的描述形式。采用单一机组历史状态纵向比较和多台机组运行状态横向比较,运用逐值对比法和加权平均法对风力机性能劣化程度进行评价,判断了风力机的劣化程度。
【关键词】：风力机 SCADA数据 数据预处理 功率波动 评价方法 性能劣化
【学位授予单位】：湖南科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM315
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-20
• 1.1 课题来源与研究意义10-16
• 1.1.1 课题来源10
• 1.1.2 研究背景与意义10-16
• 1.2 国内外研究现状16-19
• 1.2.1 基于理论和实验研究对风力机进行故障分析16-17
• 1.2.2 基于SCADA数据对风力机进行故障分析17
• 1.2.3 基于SCADA数据对风力机进行状态监测分析17-19
• 1.3 本文的主要研究内容19-20
• 第二章 基于SCADA数据风力机运行特性分析20-32
• 2.1 引言20
• 2.2 风力机SCADA系统20-21
• 2.3 基于SCADA数据的风资源特性分析21-26
• 2.3.1 风的物理特性21-22
• 2.3.2 风资源特性分析22-26
• 2.4 基于SCADA数据的风力机运行特性26-30
• 2.4.1 风力机能量转换原理26
• 2.4.2 风力机运行特性分析26-30
• 2.5 本章小结30-32
• 第三章 风电场SCADA数据预处理方法及评价策略32-42
• 3.1 引言32
• 3.2 SCADA数据预处理方法32-36
• 3.2.1 平均数法32-34
• 3.2.2 最小二乘法34
• 3.2.3 非参数法（核密度—均值法）34-36
• 3.3 SCADA数据预处理方法评价策略36-40
• 3.3.1 物理特性一致性36-37
• 3.3.2 采样时间变化稳健性37-39
• 3.3.3 采样频率变化稳健性39-40
• 3.4 基于数据预处理的系统物理特性分析40-41
• 3.5 本章小结41-42
• 第四章 基于SCADA数据风力机功率波动评价方法42-56
• 4.1 引言42
• 4.2 风力机“风—功率”关系模型42-43
• 4.3 风速波动—功率波动一维评价模型43-48
• 4.3.1 风力机运行工况43-44
• 4.3.2 风速波动系数44-45
• 4.3.3 风速波动—功率波动分析45-48
• 4.4 风向波动—功率波动一维评价模型48-51
• 4.4.1 风向波动系数48-50
• 4.4.2 风向波动—功率波动分析50-51
• 4.5 风速、风向波动—功率波动二维评价模型51-54
• 4.5.1 综合影响因子（幅值、相位）定义51-52
• 4.5.2 风向、风向波动—功率波动分析52-54
• 4.6 结论54-56
• 第五章 基于SCADA数据风力机性能劣化评价方法56-64
• 5.1 引言56
• 5.2 风力机性能劣化的评价指标及机理分析56-58
• 5.3 评价指标的描述模型58-60
• 5.4 风力机性能劣化状态的评价方式60-63
• 5.4.1 单一机组历史状态纵向比较60-62
• 5.4.2 多台机组运行状态横向比较62-63
• 5.5 结论63-64
• 第六章 结论与展望64-66
• 6.1 论文总结64-65
• 6.2 工作展望65-66
• 参考文献66-70
• 致谢70-71
• 附录：攻读硕士学位期间主要研究成果目录71

【参考文献】

中国期刊全文数据库 前10条

1 李辉;杨东;杨超;胡姚刚;刘志祥;兰涌森;;基于定子电流特征分析的双馈风电机组叶轮不平衡故障诊断[J];电力系统自动化;2015年13期

2 田英;徐丽杰;王玮;陈君;;基于统一平台的风电场中央监控系统主站设计[J];电力系统及其自动化学报;2014年02期

3 肖运启;王昆朋;贺贯举;孙燕平;杨锡运;;基于趋势预测的大型风电机组运行状态模糊综合评价[J];中国电机工程学报;2014年13期

4 梁颖;方瑞明;;基于SCADA和支持向量回归的风电机组状态在线评估方法[J];电力系统自动化;2013年14期

5 叶盛;李龙;胡旭馗;;基于数据挖掘风力发电设备故障远程诊断研究[J];风能;2013年07期

6 董玉亮;李亚琼;曹海斌;何成兵;顾煜炯;;基于运行工况辨识的风电机组健康状态实时评价方法[J];中国电机工程学报;2013年11期

7 戴巨川;;叶片断裂事故条件下直驱式风电机组动态特性分析[J];机械工程学报;2013年02期

8 张小田;鄢盛腾;周雪青;赵洪山;;基于状态监测的风电机组主轴承早期故障预测方法[J];广东电力;2012年11期

9 郭鹏;David Infield;杨锡运;;风电机组齿轮箱温度趋势状态监测及分析方法[J];中国电机工程学报;2011年32期

10 张照煌;丁显;刘曼;曾菊瑛;;基于小波变换的风电机组传动系统故障诊断与分析[J];应用基础与工程科学学报;2011年S1期

，

本文编号：990865